KaydedilenlerDerginizi ekleyin

Dergiler / Gazi University Journal of Science / 2026 / Volume: 39 Issue: 3

Amerikan kaynaklı SARS-CoV-2 suşlarında helikaz mutasyonları protein stabilitesini ve bağlanma dinamiklerini değiştirdi.

Helicase Mutations in United States Isolates of SARS-CoV-2 Altered Protein Stability and Binding Dynamics

Ekrem Akbulut(MALATYA TURGUT ÖZAL ÜNİVERSİTESİ)0000-0002-7526-9835
Mehmet Emin Alhan(MALATYA TURGUT OZAL UNIVERSITY)0009-0002-9004-5191
Sayfa
—
Yayın Tarihi
2026-09-01
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışma, helikaz protein mutasyonlarının Amerikan SARS-CoV-2 izolatlarında protein stabilitesi ve nükleik asit bağlanma dinamikleri üzerindeki etkisini ortaya koymuştur. 2483 Amerikan izolatından tanımlanan dokuz mutasyondan (Ser36Pro, Thr127Asn, His164Tyr, Met233Ile, Tyr324Cys, Ala368Val, Ala389Val, Arg392Cys, Thr599Ile) elde edilen veriler kullanılarak, derin öğrenme algoritmaları ile mutant protein modelleri oluşturulmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Şiddetli Akut Solunum Sendromu Koronavirüs-2 (SARS-CoV-2), 2019 Koronavirüsüne neden olarak 7 milyondan fazla insanın ölümüne yol açmıştır.
📊
Temel Bulgular & Veri:Virüs genomunda yapısal olmayan protein-13 tarafından kodlanan helikaz, virüsün yaşam döngüsünde kritik bir rol oynar ve tedavi yaklaşımlarının merkezinde yer alır.
💡
Sonuç & Katkı:Bu çalışma, helikaz protein mutasyonlarının Amerikan SARS-CoV-2 izolatlarında protein stabilitesi ve nükleik asit bağlanma dinamikleri üzerindeki etkisini ortaya koymuştur. 2483 Amerikan izolatından tanımlanan dokuz mutasyondan (Ser36Pro, Thr127Asn, His164Tyr, Met233Ile, Tyr324Cys, Ala368Val, Ala389Val, Arg392Cys, Thr599Ile) elde edilen veriler kullanılarak, derin öğrenme algoritmaları ile mutant protein modelleri oluşturulmuştur.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2019 Verileri
⚙️Değişkenler:SARS-CoV-2 · Helicase · Mutation

Özet

Şiddetli Akut Solunum Sendromu Koronavirüs-2 (SARS-CoV-2), 2019 Koronavirüsüne neden olarak 7 milyondan fazla insanın ölümüne yol açmıştır. Virüs genomunda yapısal olmayan protein-13 tarafından kodlanan helikaz, virüsün yaşam döngüsünde kritik bir rol oynar ve tedavi yaklaşımlarının merkezinde yer alır. Bu çalışma, helikaz protein mutasyonlarının Amerikan SARS-CoV-2 izolatlarında protein stabilitesi ve nükleik asit bağlanma dinamikleri üzerindeki etkisini ortaya koymuştur. 2483 Amerikan izolatından tanımlanan dokuz mutasyondan (Ser36Pro, Thr127Asn, His164Tyr, Met233Ile, Tyr324Cys, Ala368Val, Ala389Val, Arg392Cys, Thr599Ile) elde edilen veriler kullanılarak, derin öğrenme algoritmaları ile mutant protein modelleri oluşturulmuştur. Protein stabilitesi değişiklikleri SDM2, mCSM, DUET ve DynaMut2 araçları kullanılarak değerlendirilmiştir. Helikaz-nükleik asit etkileşimi, moleküler kenetlenme analizi yoluyla değerlendirilmiştir. Sonuçlar, dokuz mutasyondan sekizinin genel olarak protein stabilitesinde azalmaya yol açtığını, His164Tyr mutasyonunun ise tüm değerlendirme araçlarında stabiliteyi artırdığını göstermektedir. Moleküler kenetlenme analizi, mutasyonların helikaz-nükleik asit arayüzünü enerji ve uzamsal yeniden düzenlemeler açısından değiştirdiğini ve böylece bağlanma afinitesini artırdığını ortaya koymaktadır. Özellikle, elektrostatik etkileşimlerdeki artış, nükleik asit bağlanmasının iyileştiğini düşündürmektedir. Çalışma, artan bağlanma afinitesi ile azalan protein stabilitesinin eş zamanlı olarak ortaya çıkmasının viral replikasyon hızını karmaşık bir şekilde etkileyebileceği sonucuna varmıştır. Bu bulgular, helikaz hedefli antiviral ilaçların geliştirilmesinde bölgeye özgü mutasyonların dikkate alınmasının önemini vurgulamaktadır.

Abstract

Severe Acute Respiratory Syndrome Coronavirus-2, which causes Coronavirus 2019, has resulted in the deaths of more than 7 million people. The helicase, encoded by non-structural protein-13 in the virus genome, plays a critical role in the virus's life cycle and is at the heart of treatment approaches. The study revealed the impact of helicase protein mutations on protein stability and nucleic acid binding dynamics in United States SARS-CoV-2 isolates. Nine recurrent mutations exceeding the predefined occurrence threshold were identified and subjected to structural modeling, protein stability prediction, and helicase–nucleic acid docking analysis. Utilizing data from nine mutations (Ser36Pro, Thr127Asn, His164Tyr, Met233Ile, Tyr324Cys, Ala368Val, Ala389Val, Arg392Cys, Thr599Ile) identified from isolates, mutant protein models were generated using deep learning algorithms. Protein stability alterations were assessed using SDM2, mCSM, DUET, and DynaMut2 tools. The helicase-nucleic acid interaction was evaluated through molecular docking analysis. Consensus-based stability prediction indicated that several mutations were predicted to reduce nsp13 stability, whereas His164Tyr was consistently predicted to have a stabilizing effect across all four tools. Some substitutions, including Met233Ile and Thr599Ile, showed method-dependent effects. Molecular docking analysis suggested that the recurrent mutation set may alter helicase–RNA interface energetics and spatial arrangement. However, these docking-derived changes should be interpreted as computational estimates rather than direct evidence of increased nucleic acid-binding affinity. The concurrent occurrence of reduced predicted protein stability and more favorable docking-derived nucleic acid interface scores suggests that these mutations may influence helicase–nucleic acid recognition; however, direct effects on viral replication kinetics require experimental validation.

🔖

Bu Makaleye Atıf Yap

Akbulut, E., Alhan, M. E. (2026). Amerikan kaynaklı SARS-CoV-2 suşlarında helikaz mutasyonları protein stabilitesini ve bağlanma dinamiklerini değiştirdi.. Gazi University Journal of Science, Volume: 39 Issue: 3. https://doi.org/10.35378/gujs.1872693

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (25)

  1. Huang, C., Wang, Y., Li, X., Ren, L., Zhao, J., Hu, Y., Zhang, L., Fan, G., Xu, J., Gu, X., Cheng, Z., Yu, T., Xia, J., Wei, Y., Wu, W., Xie, X., Yin, W., Li, H., Liu, M., Xiao, Y., Gao, H., Guo, L., Xie, J., Wang, G., Jiang, R., Gao, Z., Jin, Q., Wang, J., and Cao, B., "Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China", The Lancet, 395(10223): 497–506, (2020). DOI: https://doi.org/10.1016/S0140-6736(20)30183-5
  2. Worldometer.,"Coronavirus Cases", Available from: https://www.worldometers.info/coronavirus/coronavirus-cases/#daily-cases.
  3. Newman, J. A., Douangamath, A., Yadzani, S., Yosaatmadja, Y., Aimon, A., Brandão-Neto, J., Dunnett, L., Gorrie-Stone, T., Skyner, R., Fearon, D., Schapira, M., von Delft, F., and Gileadi, O., "Structure, mechanism and crystallographic fragment screening of the SARS-CoV-2 NSP13 helicase", Nature Communications, 12(1): 4848, (2021). DOI: https://doi.org/10.1038/s41467-021-25166-6
  4. Horrell, S., Martino, S., Kirsten, F., Berta, D., Santoni, G., and Thorn, A., "What a twist: structural biology of the SARS-CoV-2 helicase nsp13", Crystallography Reviews, 29(4): 202–227 (2023). DOI: https://doi.org/10.1080/0889311X.2024.2309494
  5. Tanner, J.A., Watt, R.M., Chai, Y.B., Lu, L.Y., Lin, M.C., Peiris, J.S.M., Poon, L.L.M., Kung, H.F., and Huang, J.D., "The severe acute respiratory syndrome (SARS) coronavirus NTPase/helicase belongs to a distinct class of 5′ to 3′ viral helicases", Journal of Biological Chemistry, 278(41): 39578–39582, (2003). DOI: https://doi.org/10.1074/jbc.C300328200
  6. Domingo, E., García-Crespo, C., Lobo-Vega, R., and Perales, C., "Mutation rates, mutation frequencies, and proofreading-repair activities in RNA virus genetics", Viruses, 13(9): 1882, (2021). DOI: https://doi.org/10.3390/v13091882
  7. Grimes, S.L., Choi, Y.J., Banerjee, A., Small, G., Anderson-Daniels, J., Gribble, J., Pruijssers, A. J., Agostini, M.L., Abu-Shmais, A., Lu, X., Darst, S.A., Campbell, E., and Denison, M.R., "A mutation in the coronavirus nsp13-helicase impairs enzymatic activity and confers partial remdesivir resistance", MBio, 14(4): e01060-23, (2023). DOI: https://doi.org/10.1128/mbio.01060-23
  8. Bakhshandeh, B., Jahanafrooz, Z., Abbasi, A., Goli, M.B., Sadeghi, M., Mottaqi, M.S., and Zamani, M., "Mutations in SARS-CoV-2; Consequences in structure, function, and pathogenicity of the virus", Microbial Pathogenesis, 154: 104831, (2021). DOI: https://doi.org/10.1016/j.micpath.2021.104831
  9. Akbulut, E., "The Effects of SARS CoV-2 nsp13 Mutations on the structure and stability of helicase in Chinese isolates", European Journal of Biology, 81(1): 11–17, (2022). DOI: https://doi.org/10.26650/EurJBiol.2022.1061858
  10. NCBI.,"NCBI Virus", Available from: https://www.ncbi.nlm.nih.gov/labs/virus/vssi/#/.
  11. Katoh, K., Rozewicki, J., and Yamada, K.D., "MAFFT online service: Multiple sequence alignment, interactive sequence choice and visualization", Briefings in Bioinformatics, 20(4): 1160–1166, (2018). DOI: https://doi.org/10.1093/bib/bbx108
  12. Tamura, K., Stecher, G., Kumar, S., "MEGA11: Molecular Evolutionary Genetics Analysis Version 11", Molecular Biology and Evolution, 38(7): 3022–3027, (2021). DOI: https://doi.org/10.1093/molbev/msab120
  13. Baek, M., DiMaio, F., Anishchenko, I., Dauparas, J., Ovchinnikov, S., Lee, G.R., Wang, J., Cong, Q., Kinch, L.N., Schaeffer, R.D., Millán, C., Park, H., Adams, C., Glassman, C.R., DeGiovanni, A., Pereira, J.H., Rodrigues, A.V., van Dijk, A.A., Ebrecht, A.C., Opperman, D.J., Sagmeister, T., Buhlheller, C., Pavkov-Keller, T., Rathinaswamy, M.K., Dalwadi, U., Yip, C.K., Burke, J.E., Garcia, K.C., Grishin, N.V., Adams, P.D., Read, R.J., and Baker, D., "Accurate prediction of protein structures and interactions using a three-track neural network", Science, 373(6557): 871–876, (2021). DOI: https://doi.org/10.1126/science.abj8754
  14. Benkert, P., Tosatto, S.C.E., and Schomburg, D., "QMEAN: A comprehensive scoring function for model quality assessment", Proteins: Structure, Function, and Bioinformatics, 71(1): 261–277, (2008). DOI: https://doi.org/10.1002/prot.21715
  15. Chen, V.B., Arendall III, W.B., Headd, J.J., Keedy, D.A., Immormino, R.M., Kapral, G.J., Murray, L.W., Richardson, J.S., and Richardson, D.C., "MolProbity: All-atom structure validation for macromolecular crystallography", Acta Crystallographica Section D: Biological Crystallography, 66(1): 12–21, (2010). DOI: https://doi.org/10.1107/S0907444909042073
  16. Pandurangan, A.P., Ochoa-Montaño, B., Ascher, D.B., and Blundell, T.L., "SDM: A server for predicting effects of mutations on protein stability", Nucleic Acids Research, 45(W1): 229–235, (2017). DOI: https://doi.org/10.1093/nar/gkx439
  17. Pires, D.E.V., Ascher, D.B., and Blundell, T.L., "MCSM: Predicting the effects of mutations in proteins using graph-based signatures", Bioinformatics, 30(3): 335–342, (2014). DOI: https://doi.org/10.1093/bioinformatics/btt691
  18. Pires, D.E. V., Ascher, D.B., and Blundell, T.L., "DUET: a server for predicting effects of mutations on protein stability using an integrated computational approach", Nucleic acids research, 42(W1): 314–319, (2014). DOI: https://doi.org/10.1093/nar/gku411
  19. Rodrigues, C.H.M., Pires, D.E.V., and Ascher, D.B., "DynaMut2: Assessing changes in stability and flexibility upon single and multiple point missense mutations", Protein Science, 30(1): 60–69, (2021). DOI: https://doi.org/10.1002/pro.3942
  20. Jubb, H.C., Higueruelo, A.P., Ochoa-Montaño, B., Pitt, W.R., Ascher, D.B., and Blundell, T.L., "Arpeggio: A Web Server for Calculating and Visualising Interatomic Interactions in Protein Structures", Journal of Molecular Biology, 429(3): 365–371, (2017). DOI: https://doi.org/10.1016/j.jmb.2016.12.004
  21. Honorato, R.V., Trellet, M.E., Jiménez-García, B., Schaarschmidt, J.J., Giulini, M., Reys, V., Koukos, P.I., Rodrigues, J.P.G.L.M., Karaca, E., van Zundert, G.C.P., Roel-Touris, J., van Noort, C.W., Jandová, Z., Melquiond, A.S.J., and Bonvin, A.M.J.J., "The HADDOCK2.4 web server for integrative modeling of biomolecular complexes", Nature Protocols, 19(11): 3219–3241, (2024). DOI: https://doi.org/10.1038/s41596-024-01011-0
  22. Grimes, S.L., Denison, M.R., "The Coronavirus helicase in replication", Virus Research, 346: 199401, (2024). DOI: https://doi.org/10.1016/j.virusres.2024.199401
  23. Sommers, J.A., Loftus, L.N., Jones III, M.P., Lee, R.A., Haren, C.E., Dumm, A.J., and Brosh Jr., R.M., "Biochemical analysis of SARS-CoV-2 Nsp13 helicase implicated in COVID-19 and factors that regulate its catalytic functions", Journal of Biological Chemistry, 299(3): 102980, (2023). DOI: https://doi.org/10.1016/j.jbc.2023.102980
  24. Russell, R., "Unwinding the mechanisms of a DEAD-box RNA helicase in cancer", Journal of Molecular Biology, 427(9): 1797, (2015). DOI: https://doi.org/10.1016/j.jmb.2015.03.009
  25. Dumm, A.J., Zheng, A.Y., Butler, T.J., Kulikowicz, T., George, J.C., Bombard, P.T., Sommers, J. A., Ding, J., and Brosh Jr., R.M., "SARS-CoV-2 point mutations are over-represented in terminal loops of RNA stem-loop structures that can be resolved by Nsp13 helicase in a unique manner with respect to nucleotide dependence", Nucleic Acids Research, 53(10): gkaf447, (2025). DOI: https://doi.org/10.1093/nar/gkaf447